我国毒蕈种类繁多且分布广泛,经常有人因无法鉴别毒蕈和可食用菌而误食毒蕈,导致身体健康甚至生命安全受到严重威胁。现有的毒蕈识别方法存在或是依赖个人经验并不完全准确,或是需要非常专业的菌物学知识和实验设备的缺陷,无法推广普及。为了减少误食毒蕈导致人民群众的身体健康甚至生命安全受到威胁的事件发生,需要一种针对常见毒蕈既能准确有效又方便快捷的识别方法。基于上述研究背景和现状,通过建立中国境内常见毒蕈图像数据集,本文提出了采用深度残差网络与迁移学习技术对毒蕈图像进行分类识别研究。其研究工作如下:(1)针对目前缺乏高质量可用的公开毒蕈图像数据集这一情况,依据中国科学院网络化科学传播平台中列举的常见毒蕈种类,通过采集和整理毒蕈图像,建立了18种共计11695张毒蕈图像数据集。(2)提出了基于深度残差网络与迁移学习的毒蕈识别方法,该方法以152层的残差网络(Res Net-152)为预训练模型,采用基于模型的迁移学习方法,构建出毒蕈图像识别的模型结构,使用自适应矩估计(Adaptive Moment Estimation,Adam)算法作为模型优化方法,通过k折交叉验证方式进行模型训练,并设计了13组不同的对比实验探究毒蕈图像识别实验结果的影响因素。(3)基于本文提出的毒蕈识别模型,设计并实现了一个安卓(Android)平台的毒蕈图像识别系统,该系统具有毒蕈图像采集、上传、识别和识别结果展示的功能。实验结果表明,本文所提出的毒蕈图像识别模型Top-1准确率92.17%,Top-5准确率97.35%。该模型对于常见毒蕈图像具有较高的识别率,达到了本文的研究目标,具有一定的研究意义。本文设计并实现的毒蕈图像识别系统对用户上传的毒蕈图像识别具有良好的准确性和及时性,并且操作简便,适用范围广,具有一定的实际意义和社会价值。